Etki Büyüklüğü Analizi
Effect Size Analysis · Ayrıca şöyle bilinir: effect magnitude estimation, standardized effect measure, practical significance analysis, ES analysis
Etki büyüklüğü analizi, bir istatistiksel sonucun pratik önemini örneklem büyüklüğünden bağımsız olarak nicelleştirir. Yalnızca bir farkın veya ilişkinin istatistiksel olarak anlamlı olup olmadığını sormak yerine, Cohen's d, eta-kare, omega-kare veya Pearson's r gibi standartlaştırılmış indeksler kullanarak ne kadar büyük olduğunu sorar; bu indeksler çalışmalar ve popülasyonlar arasında doğrudan karşılaştırma yapılmasına olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çıkarımsal bir test yaptığınız her zaman etki büyüklüğü analizini kullanın; her t-testi, ANOVA, ki-kare testi, korelasyon veya regresyon modeline eşlik etmelidir. Bir çalışma planlarken (güç analizi beklenen bir etki büyüklüğü gerektirir), çalışmalar arası sonuçları sentezlerken (meta-analiz) ve pratik önemi değerlendirmesi gereken uygulayıcılara bulguları iletirken vazgeçilmezdir. Resmi çıkarım yerine yalnızca etki büyüklüklerine güvenmeyin; bunlar büyüklüğü nicelleştirir ancak bu büyüklüğün şanstan kaynaklanıp kaynaklanmadığını ele almazlar. Ayrıca, alanın normlarını, ölçüm hassasiyetini ve müdahalenin maliyetini veya faydasını göz önünde bulundurmadan tek bir evrensel kıyaslama noktasını (örneğin, d = 0.5 her zaman 'orta'dır) uygulamaktan kaçının.
Güçlü yönler & sınırlılıklar
- Ölçekten bağımsız ve çalışmalar, tasarımlar ve ölçüm araçları arasında karşılaştırılabilir.
- A priori örneklem büyüklüğü ve güç planlaması için temel girdi.
- Ortak bir nicel para birimi sağlayarak meta-analitik sentezi mümkün kılar.
- Pratik önemi istatistiksel anlamlılıktan ayırır, büyük N sonuçlarının aşırı yorumlanmasını önler.
- Ham veriler mevcut olmadığında birçok indeks (d, r, eta-kare) standart test istatistiklerinden geri hesaplanabilir.
- Cohen'in kıyaslama noktaları (küçük/orta/büyük) sosyal bilim verilerinden türetilmiştir ve tıp, mühendislik veya eğitim gibi diğer alanlarda geçerli olmayabilir.
- Eta-kare küçük örneklemlerde pozitif olarak yukarı doğru yanlıdır; yanlılık için düzeltilmiş omega-kare veya kısmi eta-kare tercih edilir.
- Etki büyüklükleri, sayısal değerin yanı sıra esaslı bir yorumlama olmaksızın pratik faydanın yönünü iletmez.
SSS
Hangi etki büyüklüğü indeksini kullanmalıyım?
Seçim tasarımınıza bağlıdır. Cohen's d, iki gruplu ortalama karşılaştırmaları için standarttır. Pearson's r veya r-kare korelasyonlar ve basit regresyonlar için uygundur. Eta-kare veya omega-kare ANOVA tasarımlarına uyar. Cramer's V veya phi, kategorik veriler üzerindeki ki-kare testleri için uygundur. Örneklem büyüklükleri gruplar arasında farklılık gösterdiğinde Hedges' g, Cohen's d'ye tercih edilir.
Eta-kare mi yoksa omega-kare mi daha iyidir?
Omega-kare, çıkarımsal raporlama için tercih edilir çünkü eta-kare pozitif olarak yanlıdır — özellikle küçük örneklemlerde popülasyon varyansını aşırı tahmin eder. Eta-kare, açıklanan varyansın örneklem oranına eşittir ve tanımlayıcı amaçlar için kullanışlıdır, ancak omega-kare veya sınıf içi korelasyon daha az yanlı bir popülasyon tahmini sağlar.
Etki büyüklüklerini raporlarsam p-değerlerine hala ihtiyacım var mı?
Evet. Etki büyüklükleri ve p-değerleri farklı soruları yanıtlar. p-değeri, gözlemlenen sonucun örnekleme değişkenliği göz önüne alındığında sıfır hipoteziyle tutarlı olup olmadığını ele alır. Etki büyüklüğü, sonucun ne kadar büyük olduğunu ele alır. Her ikisi de gereklidir: küçük bir d ile anlamlı bir p, gerçek ama ihmal edilebilir bir etkiyi gösterir; anlamlı olmayan bir p ile büyük bir d, çalışmanın yetersiz güçte olduğunu gösterir.
Ham veriler olmadan yayınlanmış sonuçlardan bir etki büyüklüğü hesaplayabilir miyim?
Evet. Cohen's d, bir t istatistiği ve örneklem büyüklüklerinden; r, t veya F'den; eta-kare doğrudan ANOVA tablosundan geri kazanılabilir. Birçok meta-analitik hesaplayıcı (örneğin, compute.es R paketi veya çevrimiçi etki büyüklüğü hesaplayıcıları) bu dönüşümleri otomatikleştirir.
Uygulamalı alanlarda Cohen'in kıyaslama noktalarını nasıl yorumlamalıyım?
Cohen'in küçük/orta/büyük kıyaslama noktaları sosyal bilim verileri üzerinde kalibre edilmiştir ve katı kurallar değil, kabaca varsayılanlar olarak ele alınmalıdır. Yüksek riskli klinik veya güvenlik bağlamlarında, d = 0.2'lik bir etki çok önemli olabilir. Etkilerin genellikle büyük olduğu bilişsel psikolojide, d = 0.5 önemsiz olabilir. Her zaman kendi alanınızdaki önceki literatüre göre bağlamlandırın.
Kaynaklar
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. ISBN: 978-0805802832
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. DOI: 10.3389/fpsyg.2013.00863 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Effect Size Analysis. ScholarGate. https://scholargate.app/tr/statistics/effect-size-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bağımsız Örneklem t-testiİstatistik↔ karşılaştır
- Tek yönlü Varyans Analiziİstatistik↔ karşılaştır
- Güç Analiziİstatistik↔ karşılaştır
- ROC Analizi (Receiver Operating Characteristic)İstatistik↔ karşılaştır